相對音感訓練的問題，透過圖書和論文來找解法和答案更準確安心。 我們找到下列各種有用的問答集和懶人包

我們的語言：應用、爭議、修辭

為了解決相對音感訓練的問題，作者紀蔚然 這樣論述：

　　沒有語言，事物無法現身。 　　貫通任督二脈的語言學秘笈   　　標點符號左右文意  稍有不慎便後悔莫及 　　錯置逗點要人命  不加分號打官司  驚嘆連連鬧離婚  　　語言癌問題不小  語言潔癖也是病 　　話語痙攣人人有  殭屍名詞殺不完 　　追求完美穩失敗  但人總想把話說得更好 　　可惜語言滑溜如泥鰍 　　揭示時遮掩  隱瞞時泄漏  　　唯有透過「心語」  始能窺見自我與他者的靈魂   　　24堂趣味十足的哲學課，以日常情境剖析語言的真相與迷思，從親身體驗回溯話語的源頭，一面舉起修辭刀，殺殭屍，解痙攣；一面提醒自己語言不停改變，或可選擇不隨波逐流，倒也不必口誅筆伐。   　　語言是抉

擇──伸展你的書寫以便伸展你的心智。   　　應用篇：剖析音標的重要、學習關鍵期、雙語利弊、難搞的標點符號、寫作指南和風格之要。   　　爭議篇：介紹語言學研究重要的爭論和假說，如語言的源起、演化、本能論和文化論、語言相對論等各學派的基礎論述。   　　修辭篇：探討語言的藝術，說話或書寫的技巧，即每個人以語言與人互動的方式。藉小說、戲劇、史詩和生活對話，揭示人們如何運用語言傳達字面上和字面以外的意義，進而揣摩心語，領會感受與言說之間的裂隙。   　　語言之間，無分軒輊；語言之前，人人平等。   本書特色   　　劇作家的語言課，破解日常生活的說寫迷思。 　　語言涉及教育、心理、文化、歷史、腦科

學、行為認知、人類學等，影響人類感知和思考模式，思考語言就是思考我們的存在。

相對音感訓練進入發燒排行的影片

基於多模深度學習的交通警察指揮智慧辨識系統

為了解決相對音感訓練的問題，作者沈俊辰 這樣論述：

隨著大數據、物聯網的崛起，機器學習、深度學習等人工智慧辨識系統已經能夠完成比過往更加龐大的運算、能夠學習比過往更加複雜的運算，同時也創造了許多現代創新的科技，本文採用機器學習與模型辨識的技術讓自駕車能夠自行辨識交通警察指揮的手勢動作，一方面考量到影像辨識鏡頭容易受到前車阻擋、天氣影像等外在因素干擾，哨音辨識容易受到外在噪音干擾，而感測器採用無線網路傳輸，相對於影像與哨音，較不容易受到外在因素而影響辨識準確度，另一方面，融合多種模型能夠使辨識結果更為準確、更為穩定，結合以上因素我們提出一套融合三種單源模型的方法來實現多模交通警察指揮動作辨識系統。整體辨識流程可以區分為兩階段，第一階段為使用影像

、哨音、感測器三種單源模型進行交通警察指揮動作辨識，第二階段將第一階段三種模型的辨識結果進行融合、分類，並得到最終的判斷結果。影像辨識部份我們以OpenPose來抓取影像中交通警察指揮時的人體骨架點，作為影像辨識的特徵值，哨音辨識部分我們採用抓取不同長短哨音中的梅爾倒頻譜係數作為哨音辨識的特徵值，感測器部份我們透過抓取交通警察揮動時所產生的不同三軸加速值作為感測器辨識的特徵值，以上三種單源模型均使用交叉訓練的方法來進行模型訓練，同時生成第二階段的模型訓練資料，並且進行「資料集融合法」與「特徵融合法」兩種不同融合方法的預測結果分析與比較，最後得到最終的預測結果。為了能夠使自駕車辨識出交通警察所指

揮的動作是否適用於此自駕車，我們於蒐集感測器三軸加速值時，一併抓取感測器(手機)內的電子羅盤數值，並透過我們所設計的方位判斷式進行自駕車與交通警察的方位判斷，便可讓自駕車判斷交通警察目前所指揮的動作是否適用於此自駕車。實驗結果顯示採用兩階段多模架構的方式進行辨識，不僅能夠有效地融合三種單元的模型，準確度方面相較於各種單源模型，皆有助於提升預測準確度。

狗眼人間：昂首走在四面楚歌的過敏世界

為了解決相對音感訓練的問題，作者葛斯齊 這樣論述：

　　嚴冬難擋春蕾綻，真相終顯歲月中 　　一記從天而降的「蕾神之鎚」，在一夜之間，徹底摧毀優質偶像的完美人設；曾經高高在上、連媒體都不敢挑戰的完美一哥，終被「鎚」得四分五裂、面目全非。 　　原來狗仔才是娛樂圈最可以相信的人 　　過往狗仔所拍攝報導的新聞，往往遭到當事人的否認及指責，有些人甚至對擺在面前的證據視而不見；但時間和歲月不聲不響，不動聲色，一切謊言和偽裝，都難逃發覺事實真相的狗眼。 　　從事過新聞媒體報導工作的人，能夠更加體會到事實真相的重要和寶貴，維護大眾知情權的艱難，那些曾歷經艱險、探求真相的同行，以及拍到真實畫面的狗仔，他們就像給人間帶去聖火的普羅米修斯，真相的星星之火，可

以照亮人們前行的路程。 　　有「亞洲跟拍一哥」封號的資深狗仔小葛，在新聞業界打滾十六年後，決定透過出版記錄過往工作的心路歷程與不平凡的採訪人生，同時也希望藉由此書讓讀者一窺專案記者的心酸血淚，更希望透過文字證明十六年以來不收賄、不作假新聞的初心。 本書特色 　　「狗仔」追的不是八卦，而是真相 　　「狗仔」不是嗜血的代名詞，而是一份需要對新聞擁有高度熱情與參與感才能勝任的專業記者頭銜。身為一名資深專業狗仔，在他心中永遠存在「一把尺」，為的就是能時時刻刻提醒自己，別盲目追求新聞價值而忽略了新聞本質。 名人推薦 　　卓偉／前《南都娛樂週刊》主筆、《全明星探》總編輯 　　許聖梅／資深媒體人

　　陳立峰／前世新大學新聞系老師  

基於生成對抗網路之口罩語音品質補償

為了解決相對音感訓練的問題，作者陳家揚 這樣論述：

在現今COVID-19疫情仍在肆虐的當下，無時無刻配戴口罩來減少自己與他人之間的病毒傳播已經成為我們生活中常見的一幅風景，然而在配戴口罩以後對於我們對話理解度帶來極大影響，從因配戴口罩時所導致的呼吸不順暢或是因為口罩所帶來的面部表情特徵消失都是種種因為口罩所帶來的負面影響，而在以上幾點中最為明顯的地方便在於日常溝通的品質受到了極大的破壞，因為配戴口罩對於對話效率帶來極大的影響進而導致了溝通品質的降低。對話是我們日常生活中一個不可或缺的部分任何的破壞都是難以容忍的問題，在如此急切的需求下我們便想對於因為配戴口罩而語音對話效率降低增強，以保證即便是在配戴口罩的情況之下也能夠獲得到如同以往一般自由

、清晰的對話體驗。然而現今仍未有較為完整的研究來探討關於口罩對於語音所帶來的影響，在此篇研究中我們同時使用了類人體頭腔構造的喇叭辨明各種口罩材質對於語音的影響；以及使各性別真人配戴各式常見口罩後錄製並解析口罩對於語音所帶來的特性。在前期的研究中我們可以發現到，口罩對於語音品質的影響不僅為口罩對於語音所帶來的濾波器效應產生的特定頻帶衰退，而是會對於語音本身的特徵進行破壞而導致。因此我們需要一個可以針對口罩所產生的低頻干擾進行剝離以及破壞的高頻特徵進行生成的方法才能排除口罩所帶來的影響。此外，由於口罩為近期才出現的議題，許多特性尚未被探明對於口罩語音品質的評估尚未有一個公認的標準來衡量，因此我們對

用於可以同時評估語音品質以及語意理解度的义乮乑乓乓進行遷移式學習來獲得可應用於口罩語音品質評估的量表。此篇研究在於兩個面向，第一在基於語者轉換模型的StarGAN為基礎之上進行改良，在原本使用對於高頻信號解析度較低的梅爾倒頻譜改為在全頻帶都有著相同解析度的時頻圖作為特徵輸入，並在模型中加入注意力機制(attention module)以及補釘式架構網路(PatchGAN)藉此提高對於細部語音特徵的關注度，並生成補償因配戴口罩所損失的高頻語音特徵提高對話理解度，我們所提出的方法在微軟所開發的DNSMOS(Deep Noise Suppression Mean Opinion Score)中相較於

比較對CycleGAN獲得了3.9倍的相對語音品質評估分數提升；而在真人主觀聽感測試中我們也相較比較對象獲得了3.3倍的品質評估分數提升，在此兩個面向中我們可以證明經過我們的模型對於口罩語音所帶來的品質提升的有效性，並且模型訓練不同於傳統的神經網路架構需要使用平行語料才能獲得較好的結果，解決平行語料難以取得的限制。另外在口罩語音品質評估系統上，我們使用了皮爾森關聯性係數(Pearson's Correlation oefficient)以及斯皮爾曼關聯性係數(Spearman's Correlation Coefficient)來獲得對於由模型所預測的品質分數能否與真實主觀聽測結果的趨勢呈現出

相同。實驗的結果中可以看到，我們所提出的模型在預測口罩語音品質分數上無論是在哪一種口罩類型中都可以展現出於真實主觀聽測的結果高度相關的趨勢，在皮爾森關聯性係數有著0.906的高度相關以及在斯皮爾曼關聯性係數中相同為高度相關的0.882，因而驗證了我們所提出的方法與真實主觀聽測有著相近的感知分數。